為什么Kafka如此之快？
Kafka 是由 LinkedIn 公司推出的一個高吞吐的分布式消息系統(tǒng)，通俗地說就是一個基于發(fā)布和訂閱的消息隊(duì)列，溫故而知新，反復(fù)學(xué)習(xí)優(yōu)秀的框架，定有所獲。
圖片來自 Pexels
應(yīng)用場景
Kafka 的應(yīng)用場景如下：
- 異步解構(gòu)：在上下游沒有強(qiáng)依賴的業(yè)務(wù)關(guān)系或針對單次請求不需要立刻處理的業(yè)務(wù)。
- 系統(tǒng)緩沖：有利于解決服務(wù)系統(tǒng)的吞吐量不一致的情況，尤其對處理速度較慢的服務(wù)來說起到緩沖作用。
- 消峰作用：對于短時間偶現(xiàn)的極端流量，對后端的服務(wù)可以啟動保護(hù)作用。
- 數(shù)據(jù)流處理：集成 spark 做實(shí)時數(shù)據(jù)流處理。
Kafka 拓?fù)鋱D(多副本機(jī)制)
由上圖我們可以發(fā)現(xiàn) Kafka 是分布式，對于每一個分區(qū)都存在多副本，同時整個集群的管理都通過 Zookeeper 管理。
Kafka 核心組件
①broker
Kafka 服務(wù)器，負(fù)責(zé)消息存儲和轉(zhuǎn)發(fā);一個 broker 就代表一個 kafka 節(jié)點(diǎn)。一個 broker 可以包含多個 topic。
②topic
消息類別，Kafka 按照 topic 來分類消息。
③partition
topic 的分區(qū)，一個 topic 可以包含多個 partition，topic 消息保存在各個 partition 上。
由于一個 topic 能被分到多個分區(qū)上，給 kafka 提供給了并行的處理能力，這也正是 kafka 高吞吐的原因之一。
partition 物理上由多個 segment 文件組成，每個 segment 大小相等，順序讀寫(這也是 kafka 比較快的原因之一，不需要隨機(jī)寫)。
每個 Segment 數(shù)據(jù)文件以該段中最小的 offset ，文件擴(kuò)展名為.log。當(dāng)查找 offset 的 Message 的時候，通過二分查找快找到 Message 所處于的 Segment 中。
④offset
消息在日志中的位置，可以理解是消息在 partition 上的偏移量，也是代表該消息的唯一序號。
同時也是主從之間的需要同步的信息。
⑤Producer
生產(chǎn)者，負(fù)責(zé)向 Kafka Broker 發(fā)消息的客戶端。
⑥Consumer
消息消者，負(fù)責(zé)消費(fèi) Kafka Broker 中的消息。
⑦Consumer Group
消費(fèi)者組，每個 Consumer 必須屬于一個 group;(注意：一個分區(qū)只能由組內(nèi)一個消費(fèi)者消費(fèi)，消費(fèi)者組之間互不影響。)
⑧Zookeeper
管理 kafka 集群，負(fù)責(zé)存儲了集群 broker、topic、partition 等 meta 數(shù)據(jù)存儲，同時也負(fù)責(zé) broker 故障發(fā)現(xiàn)，partition leader 選舉，負(fù)載均衡等功能。
服務(wù)治理
既然 Kafka 是分布式的發(fā)布/訂閱系統(tǒng)，這樣如果做的集群之間數(shù)據(jù)同步和一致性，kafka 是不是肯定不會丟消息呢?以及宕機(jī)的時候如果進(jìn)行 Leader 選舉呢?
①數(shù)據(jù)同步
在 Kafka 中的 Partition 有一個 leader 與多個 follower，producer 往某個 Partition 中寫入數(shù)據(jù)，是只會往 leader 中寫入數(shù)據(jù)，然后數(shù)據(jù)才會被復(fù)制進(jìn)其他的 Replica 中。
而每一個 follower 可以理解成一個消費(fèi)者，定期去 leader 去拉消息。而只有數(shù)據(jù)同步了后，kafka 才會給生產(chǎn)者返回一個 ACK 告知消息已經(jīng)存儲落地了。
②ISR
在 Kafka 中，為了保證性能，Kafka 不會采用強(qiáng)一致性的方式來同步主從的數(shù)據(jù)。
而是維護(hù)了一個：in-sync Replica 的列表，Leader 不需要等待所有 Follower 都完成同步，只要在 ISR 中的 Follower 完成數(shù)據(jù)同步就可以發(fā)送 ACK 給生產(chǎn)者即可認(rèn)為消息同步完成。
同時如果發(fā)現(xiàn) ISR 里面某一個 follower 落后太多的話，就會把它剔除。
具體流程如下：
上述的做法并無法保證 Kafka 一定不丟消息。雖然 Kafka 通過多副本機(jī)制中最大限度保證消息不會丟失，但是如果數(shù)據(jù)已經(jīng)寫入系統(tǒng) page cache 中但是還沒來得及刷入磁盤，此時突然機(jī)器宕機(jī)或者掉電，那消息自然而然地就會丟失。
③Kafka 故障恢復(fù)
Kafka 通過 Zookeeper 連坐集群的管理，所以這里的選舉機(jī)制采用的是Zab(zookeeper 使用)：
- 生產(chǎn)者發(fā)生消息給 leader ，這個時候 leader 完成數(shù)據(jù)存儲，突然發(fā)生故障，沒有給 producer 返回 ack。
- 通過 ZK 選舉，其中一個 follower 成為 leader ，這個時候 producer 重新請求新的 leader，并存儲數(shù)據(jù)。
Kafka 為什么這么快
①順序?qū)懘疟P
Kafka 采用了順序?qū)懘疟P，而由于順序?qū)懘疟P相對隨機(jī)寫，減少了尋地址的耗費(fèi)時間。(在 Kafka 的每一個分區(qū)里面消息是有序的)
②Page Cache
Kafka 在 OS 系統(tǒng)方面使用了 Page Cache 而不是我們平常所用的 Buffer。Page Cache 其實(shí)不陌生，也不是什么新鮮事物。
我們在 Linux 上查看內(nèi)存的時候，經(jīng)常可以看到 buff/cache，兩者都是用來加速 IO 讀寫用的，而 cache 是作用于讀。
也就是說，磁盤的內(nèi)容可以讀到 cache 里面，這樣應(yīng)用程序讀磁盤就非常快。
而 buff 是作用于寫，我們開發(fā)寫磁盤都是，一般如果寫入一個 buff 里面再 flush 就非常快。
而 Kafka 正是把這兩者發(fā)揮到了極致：Kafka 雖然是 scala 寫的，但是依舊在 Java 的虛擬機(jī)上運(yùn)行。
盡管如此，Kafka 它還是盡量避開了 JVM 的限制，它利用了 Page cache 來存儲，這樣躲開了數(shù)據(jù)在 JVM 因?yàn)?GC 而發(fā)生的 STW。
另一方面也是 Page Cache 使得它實(shí)現(xiàn)了零拷貝，具體下面會講。
③零拷貝
無論是優(yōu)秀的 Netty 還是其他優(yōu)秀的 Java 框架，基本都在零拷貝減少了 CPU 的上下文切換和磁盤的 IO。
當(dāng)然 Kafka 也不例外。零拷貝的概念具體這里不作太詳細(xì)的復(fù)述，大致地給大家講一下這個概念。
傳統(tǒng)的一次應(yīng)用程請求數(shù)據(jù)的過程：
這里大致可以發(fā)傳統(tǒng)的方式發(fā)生了 4 次拷貝，2 次 DMA 和 2 次 CPU，而 CPU 發(fā)生了4次的切換。
DMA 簡單理解就是，在進(jìn)行 I/O 設(shè)備和內(nèi)存的數(shù)據(jù)傳輸?shù)臅r候，數(shù)據(jù)搬運(yùn)的工作全部交給 DMA 控制器，而 CPU 不再參與任何與數(shù)據(jù)搬運(yùn)相關(guān)的事情。
④零拷貝的方式
通過優(yōu)化我們可以發(fā)現(xiàn)，CPU 只發(fā)生了 2 次的上下文切換和 3 次數(shù)據(jù)拷貝。
Linux 系統(tǒng)提供了系統(tǒng)事故調(diào)用函數(shù) “sendfile()”，這樣系統(tǒng)調(diào)用，可以直接把內(nèi)核緩沖區(qū)里的數(shù)據(jù)拷貝到 socket 緩沖區(qū)里，不再拷貝到用戶態(tài)。
⑤分區(qū)分段
我們上面也介紹過，Kafka 采取了分區(qū)的模式，而每一個分區(qū)又對應(yīng)到一個物理分段，查找的時候可以根據(jù)二分查找快速定位。這樣不僅提供了數(shù)據(jù)讀的查詢效率，也提供了并行操作的方式。
⑥數(shù)據(jù)壓縮
Kafka 對數(shù)據(jù)提供了：Gzip 和 Snappy 壓縮協(xié)議等壓縮協(xié)議，對消息結(jié)構(gòu)體進(jìn)行了壓縮，一方面減少了帶寬，也減少了數(shù)據(jù)傳輸?shù)南摹?/p>
Kafka 安裝
①安裝 JDK
由于使用壓縮包還需要自己配置環(huán)境變量，所以這里推薦直接用 yum 安裝，熟悉查看目前 Java 的版本：
- yum -y list Java*
安裝你想要的版本，這里我是 1.8：
- yum install java-1.8.0-openjdk-devel.x86_64
查看是否安裝成功：
- Java -version
②安裝 Zookeeper
首先需要去官網(wǎng)下載安裝包，然后解壓：
- tar -zxvf zookeeper-3.4.9.tar.gz
要做的就是將這個文件復(fù)制一份，并命名為：zoo.cfg，然后在 zoo.cfg 中修改自己的配置即可。
- cp zoo_sample.cfg zoo.cfg
- vim zoo.cfg
主要配置解釋如下：
- # zookeeper內(nèi)部的基本單位，單位是毫秒，這個表示一個tickTime為2000毫秒，在zookeeper的其他配置中，都是基于tickTime來做換算的
- tickTime=2000
- # 集群中的follower服務(wù)器(F)與leader服務(wù)器(L)之間 初始連接 時能容忍的最多心跳數(shù)（tickTime的數(shù)量）。
- initLimit=10
- #syncLimit：集群中的follower服務(wù)器(F)與leader服務(wù)器(L)之間 請求和應(yīng)答 之間能容忍的最多心跳數(shù)（tickTime的數(shù)量）
- syncLimit=5
- # 數(shù)據(jù)存放文件夾，zookeeper運(yùn)行過程中有兩個數(shù)據(jù)需要存儲，一個是快照數(shù)據(jù)（持久化數(shù)據(jù)）另一個是事務(wù)日志
- dataDir=/tmp/zookeeper
- ## 客戶端訪問端口
- clientPort=2181
配置環(huán)境變量：
- vim ~/.bash_profile
- export ZK=/usr/local/src/apache-zookeeper-3.7.0-bin
- export PATH=$PATH:$ZK/bin
- export PATH
- // 啟動
- zkServer.sh start
下面能看啟動成功：
③安裝 Kafka
下載 Kafka：
- https://www.apache.org/dyn/closer.cgi?path=/kafka/2.8.0/kafka-2.8.0-src.tgz
安裝 Kafka：
- tar -xzvf kafka_2.12-2.0.0.tgzbr
配置環(huán)境變量：
- export ZK=/usr/local/src/apache-zookeeper-3.7.0-bin
- export PATH=$PATH:$ZK/bin
- export KAFKA=/usr/local/src/kafka
- export PATH=$PATH:$KAFKA/bin
啟動 Kafka：
- nohup kafka-server-start.sh 自己的配置文件路徑/server.properties &br
大功告成!
作者：何永康，騰訊 CDG 后臺研發(fā)工程師。
編輯：陶家龍
出處：轉(zhuǎn)載自公眾號云加社區(qū)(ID：QcloudCommunity)，參考資料：《深入理解 Kafka：核心設(shè)計(jì)實(shí)踐原理》
